[发明专利]轮步复合移动平台及越障模式下多关节协同的自回稳方法

说明书

本发明提供了一种轮步复合移动平台及越障模式下多关节协同的自回稳方法，其中，所述自回稳方法包括S1：在越障过程中，通过IMU读取移动平台本体翻转角度，并根据翻转角度进行平台站立行进和倒地复位的判断；S2：计算单元根据IMU惯性测量单元反馈的平台本体翻转角度进行姿态解算，计算出腿式运动机构应该调整的关节角度；S3：控制单元根据计算单元计算的关节角度控制腿部模型实现整体的初步姿态调控；S4：控制单元根据IMU惯性测量单元读取的翻转数据，控制侧摆关节进行相应方向和幅度摆动，在电机有效范围内，侧摆角度与平台翻转关系近似于线性模型。本方法使轮步复合移动平台在越障模式下具备了较强的稳定性和一定的倒地自复位能力，为平台充分发挥出轮步复合的越障优势提供了有力保障。

技术领域

本发明属于移动机器人技术领域，尤其涉及一种轮步复合移动平台及越障模式下多关节协同的自回稳方法。

背景技术

地面移动机器人大致可分为三类：轮式、履带式和足式机器人，车辆属于典型的轮式机器人，它可以轻松将我们送达各种目的地，但自然界有许多地形是传统轮式或履带式难以到达的，而哺乳动物却能在这些地形行走自如，这充分显示了四足移动方式的灵活性。目前较完善的四足机器人研发成果有：波士顿Spot、MIT Cheetah、已经参与美军军演的Ghost Robotics、瑞士苏黎世联邦理工学院的轮腿复合四足机器人Anymal等等。

四足以及轮步复合四足机器人有着强大的越障优势，但优势发挥前提在于平台能够稳定的行进，移动平台在通过某些极端复杂的路面障碍时，难免会出现侧翻的现象，此时将彻底失去行动能力，针对侧翻问题，波士顿动力早期借助机械臂来帮助自己站立，如图1所示；也有人提出“一种基于深度强化学习的四足机器人跌倒自复位控制方法”，如图2所示。这些手段都有着不错的效果，但机械臂方案增加了移动平台负载，能耗较大，而深度强化学习训练过程繁琐，训练时间长，并且以上的方案都是专一针对倒地复位问题提出的，对平台的自稳问题并没有帮助，移动平台的倒地自复位与自我稳定割裂考虑，缺乏一个连贯的越障过程中从自稳到稳定失效倒地复位的处理逻辑。

现有技术的客观缺点：

1、轮步复合移动平台倒地后几乎丧失行动能力，现有稳定性算法难以保证百分百的越障稳定实现。

2、依据机械臂等设备的倒地自复位，增加了移动平台的负载与能耗；

3、基于深度强化学习的倒地复位，需要较长的控制器训练时间

4、越障过程的自稳算法和倒地复位算法大多属于不同的控制策略，缺乏一个连贯的自回稳控制逻辑。

发明内容

鉴于现有技术的不足，本发明公开了一种轮步复合移动平台及越障模式下多关节协同的自回稳方法，以解决现有技术的不足。

为了实现上述目的，本发明采用了如下技术方案：

轮步复合移动平台，包括腿部模型，所述腿部模型包括轮式运动机构和腿式运动机构；所述轮式运动机构包括动力元件以及安装于腿式运动机构末端的轮子，所述动力元件与轮子连接，以驱动轮子转动；所述腿式运动机构采取全膝式布置形式。

进一步地，所述腿式运动机构包含侧摆关节、髋关节、第一支腿、膝关节、第二支腿，所述侧摆关节与髋关节可活动连接，所述髋关节与第一支腿可活动连接，所述第一支腿与第二支腿通过膝关节可活动连接。

进一步地，所述轮步复合移动平台还包括平台本体，所述侧摆关节与平台本体可活动连接。

进一步地，所述平台本体配置有检测其翻转角度的IMU惯性测量单元和控制单元，所述平台本体配置有计算单元。

进一步地，所述IMU惯性测量单元与计算单元连接，所述计算单元与控制单元连接，所述控制单元与腿部模型连接，以实现整体的初步姿态调控。